BioASQ Participants Area

Task 14b: Test Results of Phase A

* The "-" replace the scores of systems that didn't submit the corresponding annotations. *
The test results are presented in separate tables for each type of annotation. They are sorted based on the scores of MAP. The "System Description" of each system is used.
The evaluation measures that are used are presented here .

Test batch 1

Documents

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	0.4180	0.2414	0.2350	0.3908	0.1378
porties-baseline	0.2800	0.1878	0.1742	0.2268	0.0291
health-nlp-1	0.3180	0.2140	0.1932	0.2603	0.0480
DS@GT BioASQ	0.0313	0.0077	0.0114	0.0210	0.0001
pancras_naive	0.5608	0.2613	0.2783	0.4494	0.1859
dictycite-baseline	0.4900	0.2963	0.2841	0.4750	0.1650
dictycite-snippet	0.5063	0.3086	0.2972	0.4973	0.1896
dictycite-max	0.5838	0.3504	0.3424	0.5872	0.3790
lean_rag_ft_sparse	0.3952	0.2143	0.2212	0.3623	0.1101
lean_rag_ft	0.3950	0.2149	0.2212	0.3635	0.1111
lean_rag	0.4050	0.2232	0.2283	0.3721	0.1155
Fleming-1	0.5850	0.3203	0.3289	0.5967	0.3368
dictycite-max-rew-si	0.5725	0.3531	0.3407	0.5753	0.3687
dictycite-max-rew-sl	0.5725	0.3496	0.3388	0.5780	0.3686
Fleming-2	0.5850	0.3203	0.3289	0.5967	0.3368
pancras_crag	0.4407	0.2469	0.2490	0.3834	0.1390
Fleming-3	0.5738	0.3120	0.3209	0.5834	0.2615
Fleming-4	0.5738	0.3120	0.3209	0.5834	0.2615
Fleming-5	0.6050	0.3274	0.3389	0.6163	0.3526
bioinfo-0	0.3863	0.2298	0.2204	0.3215	0.0893
Organization name	0.2244	0.1149	0.1065	0.1273	0.0054
"RMC_1"	0.2753	0.1187	0.1418	0.2173	0.0273
RMC_2	0.5191	0.0908	0.1330	0.1623	0.0146
DS@GT-BioASQ	0.0313	0.0077	0.0114	0.0210	0.0001
bioinfo-1	0.3875	0.2310	0.2216	0.3224	0.0825
bioinfo-2	0.4550	0.2658	0.2613	0.4425	0.1659
bioinfo-3	0.4725	0.2752	0.2706	0.4836	0.1489
bioinfo-4	0.4875	0.2828	0.2803	0.4918	0.1817
Biomedical QA system	0.4844	0.2713	0.2713	0.4768	0.2263
Biomedical QA s. v2	0.1897	0.0780	0.0941	0.0874	0.0040
main	0.3038	0.1907	0.1795	0.2558	0.0596
IR1	0.4750	0.2643	0.2647	0.4785	0.1896
dmiip2024	0.4625	0.2673	0.2595	0.4577	0.1976
dmiip2024_1	0.4525	0.2646	0.2549	0.4502	0.1933
dmiip2024_2	0.4988	0.2558	0.2716	0.4837	0.2322
dmiip2024_3	0.4975	0.2555	0.2711	0.4793	0.2537
dmiip2024_4	0.4975	0.2554	0.2710	0.4823	0.2315
semantic	0.3038	0.1907	0.1795	0.2558	0.0596
prompted	0.3038	0.1907	0.1795	0.2558	0.0596
Biomedical QA s3	0.3667	0.1833	0.1819	0.3324	0.0180
IR_J-1	0.3273	0.1004	0.1179	0.1412	0.0043
IR_J-2	0.2914	0.1221	0.1393	0.2065	0.0107
IR_Y-1	0.2219	0.1087	0.1216	0.1714	0.0068
IR_Y-2	0.2219	0.1087	0.1216	0.1714	0.0068
IR_Y-3	0.2219	0.1087	0.1216	0.1714	0.0068
IR_Y-4	0.2219	0.1087	0.1216	0.1714	0.0068
IR_Y-5	0.2219	0.1087	0.1216	0.1714	0.0068
UR-IW-1	0.4642	0.2113	0.2466	0.4072	0.1248
UR-IW-2	0.4936	0.1996	0.2461	0.3985	0.0652
UR-IW-3	0.4972	0.1900	0.2318	0.4119	0.0530
UR-IW-4	0.4454	0.1911	0.2223	0.3977	0.0705
UR-IW-5	0.4363	0.1896	0.2185	0.3799	0.0321
health-nlp-2	0.3180	0.2140	0.1932	0.2603	0.0480
WHU-ECHO Lab-1	0.1575	0.1184	0.1034	0.1058	0.0027
ubuntu	0.1825	0.0815	0.0949	0.1299	0.0041

Snippets

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	0.2783	0.0968	0.1166	0.2779	0.0348
porties-baseline	0.1686	0.0501	0.0640	0.1429	0.0033
health-nlp-1	0.2064	0.0601	0.0816	0.1427	0.0051
DS@GT BioASQ	0.0238	0.0027	0.0047	0.0310	0.0000
pancras_naive	0.4220	0.1560	0.1835	0.4673	0.1449
dictycite-baseline	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
dictycite-max	-	-	-	-	-
lean_rag_ft_sparse	0.3404	0.1405	0.1583	0.1514	0.0244
lean_rag_ft	0.3431	0.1403	0.1585	0.1536	0.0246
lean_rag	0.3539	0.1352	0.1560	0.1579	0.0309
Fleming-1	0.4321	0.1569	0.1926	0.4359	0.1826
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
Fleming-2	0.4180	0.1740	0.1985	0.4455	0.2192
pancras_crag	0.2694	0.0902	0.1212	0.2139	0.0142
Fleming-3	0.4195	0.1531	0.1875	0.4249	0.1445
Fleming-4	0.4020	0.1657	0.1886	0.4351	0.1560
Fleming-5	0.4453	0.1618	0.1993	0.4478	0.1860
bioinfo-0	-	-	-	-	-
Organization name	0.1436	0.0504	0.0565	0.1754	0.0013
"RMC_1"	0.1592	0.0523	0.0675	0.1252	0.0056
RMC_2	0.2351	0.0730	0.0961	0.2757	0.0089
DS@GT-BioASQ	0.0238	0.0027	0.0047	0.0310	0.0000
bioinfo-1	-	-	-	-	-
bioinfo-2	-	-	-	-	-
bioinfo-3	-	-	-	-	-
bioinfo-4	-	-	-	-	-
Biomedical QA system	0.3941	0.1336	0.1604	0.4217	0.1269
Biomedical QA s. v2	0.1292	0.0305	0.0412	0.0794	0.0005
main	0.0126	0.0041	0.0056	0.0134	0.0000
IR1	0.4101	0.1475	0.1786	0.4352	0.0790
dmiip2024	0.4060	0.1852	0.1914	0.5264	0.1913
dmiip2024_1	0.4095	0.1875	0.1925	0.5246	0.1934
dmiip2024_2	0.4175	0.1821	0.2006	0.5194	0.1978
dmiip2024_3	0.4362	0.1901	0.2074	0.5374	0.1921
dmiip2024_4	0.4200	0.1832	0.2018	0.5206	0.2002
semantic	0.0447	0.0087	0.0130	0.0527	0.0005
prompted	0.0238	0.0075	0.0100	0.0169	0.0001
Biomedical QA s3	0.3057	0.0953	0.1100	0.3364	0.0122
IR_J-1	0.2796	0.0637	0.0844	0.1365	0.0025
IR_J-2	0.2481	0.0871	0.1045	0.2040	0.0069
IR_Y-1	0.1492	0.1161	0.1082	0.1088	0.0027
IR_Y-2	0.1492	0.1161	0.1082	0.0899	0.0021
IR_Y-3	0.1492	0.1161	0.1082	0.1088	0.0027
IR_Y-4	0.1492	0.1161	0.1082	0.0899	0.0021
IR_Y-5	0.1492	0.1161	0.1082	0.1088	0.0027
UR-IW-1	0.4084	0.1186	0.1640	0.3941	0.0796
UR-IW-2	0.4574	0.1129	0.1619	0.3707	0.0586
UR-IW-3	0.4351	0.1283	0.1676	0.4120	0.0421
UR-IW-4	0.4175	0.1226	0.1609	0.3910	0.0541
UR-IW-5	0.4069	0.1156	0.1511	0.3778	0.0281
health-nlp-2	0.2064	0.0601	0.0816	0.1427	0.0051
WHU-ECHO Lab-1	-	-	-	-	-
ubuntu	0.1139	0.0382	0.0485	0.0751	0.0010

Concepts

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	-	-	-	-	-
porties-baseline	-	-	-	-	-
health-nlp-1	-	-	-	-	-
DS@GT BioASQ	-	-	-	-	-
pancras_naive	-	-	-	-	-
dictycite-baseline	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
dictycite-max	-	-	-	-	-
lean_rag_ft_sparse	-	-	-	-	-
lean_rag_ft	-	-	-	-	-
lean_rag	-	-	-	-	-
Fleming-1	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
Fleming-2	-	-	-	-	-
pancras_crag	-	-	-	-	-
Fleming-3	-	-	-	-	-
Fleming-4	-	-	-	-	-
Fleming-5	-	-	-	-	-
bioinfo-0	-	-	-	-	-
Organization name	-	-	-	-	-
"RMC_1"	-	-	-	-	-
RMC_2	-	-	-	-	-
DS@GT-BioASQ	-	-	-	-	-
bioinfo-1	-	-	-	-	-
bioinfo-2	-	-	-	-	-
bioinfo-3	-	-	-	-	-
bioinfo-4	-	-	-	-	-
Biomedical QA system	-	-	-	-	-
Biomedical QA s. v2	-	-	-	-	-
main	-	-	-	-	-
IR1	-	-	-	-	-
dmiip2024	-	-	-	-	-
dmiip2024_1	-	-	-	-	-
dmiip2024_2	-	-	-	-	-
dmiip2024_3	-	-	-	-	-
dmiip2024_4	-	-	-	-	-
semantic	-	-	-	-	-
prompted	-	-	-	-	-
Biomedical QA s3	-	-	-	-	-
IR_J-1	-	-	-	-	-
IR_J-2	-	-	-	-	-
IR_Y-1	-	-	-	-	-
IR_Y-2	-	-	-	-	-
IR_Y-3	-	-	-	-	-
IR_Y-4	-	-	-	-	-
IR_Y-5	-	-	-	-	-
UR-IW-1	-	-	-	-	-
UR-IW-2	-	-	-	-	-
UR-IW-3	-	-	-	-	-
UR-IW-4	-	-	-	-	-
UR-IW-5	-	-	-	-	-
health-nlp-2	-	-	-	-	-
WHU-ECHO Lab-1	-	-	-	-	-
ubuntu	-	-	-	-	-

RDF Triples

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	-	-	-	-	-
porties-baseline	-	-	-	-	-
health-nlp-1	-	-	-	-	-
DS@GT BioASQ	-	-	-	-	-
pancras_naive	-	-	-	-	-
dictycite-baseline	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
dictycite-max	-	-	-	-	-
lean_rag_ft_sparse	-	-	-	-	-
lean_rag_ft	-	-	-	-	-
lean_rag	-	-	-	-	-
Fleming-1	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
Fleming-2	-	-	-	-	-
pancras_crag	-	-	-	-	-
Fleming-3	-	-	-	-	-
Fleming-4	-	-	-	-	-
Fleming-5	-	-	-	-	-
bioinfo-0	-	-	-	-	-
Organization name	-	-	-	-	-
"RMC_1"	-	-	-	-	-
RMC_2	-	-	-	-	-
DS@GT-BioASQ	-	-	-	-	-
bioinfo-1	-	-	-	-	-
bioinfo-2	-	-	-	-	-
bioinfo-3	-	-	-	-	-
bioinfo-4	-	-	-	-	-
Biomedical QA system	-	-	-	-	-
Biomedical QA s. v2	-	-	-	-	-
main	-	-	-	-	-
IR1	-	-	-	-	-
dmiip2024	-	-	-	-	-
dmiip2024_1	-	-	-	-	-
dmiip2024_2	-	-	-	-	-
dmiip2024_3	-	-	-	-	-
dmiip2024_4	-	-	-	-	-
semantic	-	-	-	-	-
prompted	-	-	-	-	-
Biomedical QA s3	-	-	-	-	-
IR_J-1	-	-	-	-	-
IR_J-2	-	-	-	-	-
IR_Y-1	-	-	-	-	-
IR_Y-2	-	-	-	-	-
IR_Y-3	-	-	-	-	-
IR_Y-4	-	-	-	-	-
IR_Y-5	-	-	-	-	-
UR-IW-1	-	-	-	-	-
UR-IW-2	-	-	-	-	-
UR-IW-3	-	-	-	-	-
UR-IW-4	-	-	-	-	-
UR-IW-5	-	-	-	-	-
health-nlp-2	-	-	-	-	-
WHU-ECHO Lab-1	-	-	-	-	-
ubuntu	-	-	-	-	-

Test batch 2

Documents

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	0.5014	0.2102	0.2376	0.4286	0.2755
lean_rag	0.5400	0.2460	0.2671	0.5067	0.3094
lean_rag_dprf	0.5013	0.2240	0.2435	0.4747	0.2035
lean_rag_ft	0.5450	0.2478	0.2698	0.5132	0.3145
lean_rag_ft_sparse	0.5325	0.2366	0.2600	0.5041	0.3090
Splade-v3	0.4838	0.1988	0.2360	0.4188	0.1778
Debertav3	0.5663	0.2310	0.2759	0.5080	0.3264
Fully fine-tuned	0.5225	0.2155	0.2555	0.4509	0.2664
Recently fine-tuned	0.5575	0.2274	0.2712	0.4926	0.3230
Biomedical QA system	0.6025	0.2607	0.2910	0.5754	0.4317
bm25 + splade	0.4888	0.2171	0.2385	0.4589	0.2100
dictycite-baseline	0.5925	0.2776	0.2998	0.5624	0.4338
dictycite-max	0.6725	0.3057	0.3340	0.6832	0.5525
dictycite-max-rew-si	0.6713	0.3102	0.3394	0.6643	0.5461
dictycite-max-rew-sl	0.6625	0.3024	0.3319	0.6584	0.5436
dictycite-snippet	0.6200	0.2888	0.3117	0.6000	0.4858
Fleming-1	0.7275	0.3133	0.3561	0.7205	0.6420
Biomedical QA s. v2	0.6063	0.2607	0.2970	0.5732	0.4217
Fleming-2	0.7275	0.3133	0.3561	0.7205	0.6420
MedQA-1	0.3883	0.1398	0.1686	0.3234	0.0887
health-nlp-1	0.4075	0.1941	0.2134	0.3540	0.1244
Hybrid Retrieval	0.2450	0.0749	0.0957	0.1534	0.0077
MedQA-2	0.3933	0.1424	0.1724	0.3430	0.0855
"RMC_1"	0.3658	0.1292	0.1523	0.2897	0.0250
RMC_2	0.6256	0.0969	0.1307	0.1935	0.0335
RMC_3	0.4389	0.1449	0.1728	0.3203	0.0764
RMC_4	0.3796	0.1375	0.1592	0.3000	0.0216
RMC_5	0.4989	0.1552	0.1849	0.3437	0.1234
main	0.4125	0.2010	0.2127	0.3551	0.1464
semantic	0.4125	0.2010	0.2127	0.3551	0.1464
prompted	0.4125	0.2010	0.2127	0.3551	0.1464
pancras_naive	0.7059	0.2574	0.3091	0.5715	0.4159
pancras_crag	0.7576	0.1950	0.2590	0.4110	0.2770
Organization name	0.3074	0.1050	0.1260	0.1807	0.0067
bioinfo-0	0.4575	0.1939	0.2188	0.3495	0.1892
bioinfo-1	0.5625	0.2694	0.2866	0.5225	0.3328
bioinfo-2	0.3825	0.1729	0.1857	0.2744	0.1105
bioinfo-3	0.3800	0.1694	0.1833	0.2735	0.1000
bioinfo-4	0.4838	0.2366	0.2488	0.4499	0.2108
IR1	0.5788	0.2321	0.2715	0.5000	0.3390
health-nlp-2	0.4225	0.1979	0.2180	0.3582	0.1388
DS@GT-BioASQ	0.2315	0.0670	0.0876	0.1147	0.0011
IR_J-1	0.3050	0.1253	0.1359	0.2709	0.0164
IR_J-2	0.4034	0.0938	0.1319	0.1863	0.0158
dmiip2024	0.5825	0.2627	0.2877	0.5646	0.3344
dmiip2024_1	0.5938	0.2701	0.2968	0.5607	0.4060
dmiip2024_3	0.5775	0.2607	0.2846	0.5486	0.3143
dmiip2024_4	0.5575	0.2554	0.2746	0.5356	0.3011
dmiip2024_2	0.5888	0.2732	0.2964	0.5650	0.3705
mckpt1	0.2896	0.0633	0.0944	0.1206	0.0061
mckpt2	0.3848	0.0749	0.1073	0.1457	0.0126
MedQA-3	0.5950	0.2501	0.2828	0.5462	0.3175
MedQA-4	0.5950	0.2501	0.2828	0.5578	0.3292
MedQA-5	0.6100	0.2698	0.2974	0.5715	0.3705
Fleming-3	0.7275	0.3152	0.3579	0.7189	0.6405
UR-IW-3	0.5720	0.2253	0.2785	0.5077	0.2229
WHU-ECHO Lab-2	0.2240	0.1082	0.1085	0.1530	0.0083
UR-IW-4	0.5712	0.2285	0.2779	0.5004	0.2238
UR-IW-1	0.5551	0.2291	0.2732	0.4988	0.2439
UR-IW-5	0.5159	0.1829	0.2340	0.4575	0.0867
Fleming-5	0.7300	0.3157	0.3587	0.7201	0.6431
UR-IW-2	0.5521	0.2079	0.2583	0.4535	0.2009
IR_Y-1	0.3050	0.1253	0.1359	0.2709	0.0164
IR_Y-2	0.2988	0.1212	0.1312	0.2551	0.0141
Biomedical QA s3	0.6025	0.2523	0.2883	0.5780	0.3150
ubuntu	-	-	-	-	-
qwen	0.0125	0.0004	0.0008	0.0013	0.0000
config-1	0.4113	0.1766	0.1915	0.3270	0.0669

Snippets

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	0.3600	0.0822	0.1112	0.3485	0.0982
lean_rag	0.4419	0.1300	0.1642	0.2149	0.1022
lean_rag_dprf	0.4355	0.1204	0.1541	0.1934	0.0695
lean_rag_ft	0.4440	0.1318	0.1664	0.2111	0.0996
lean_rag_ft_sparse	0.4402	0.1245	0.1602	0.2016	0.0961
Splade-v3	-	-	-	-	-
Debertav3	-	-	-	-	-
Fully fine-tuned	-	-	-	-	-
Recently fine-tuned	-	-	-	-	-
Biomedical QA system	0.5401	0.1163	0.1666	0.5383	0.2655
bm25 + splade	0.2975	0.0511	0.0726	0.1987	0.0174
dictycite-baseline	-	-	-	-	-
dictycite-max	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
Fleming-1	0.5953	0.1690	0.2263	0.5726	0.4570
Biomedical QA s. v2	0.5297	0.1142	0.1650	0.5333	0.2531
Fleming-2	0.5168	0.1583	0.2157	0.5024	0.3049
MedQA-1	0.3294	0.0802	0.1148	0.2673	0.0524
health-nlp-1	0.3012	0.0718	0.1035	0.2522	0.0118
Hybrid Retrieval	0.2651	0.0302	0.0521	0.2583	0.0047
MedQA-2	0.2172	0.0520	0.0706	0.2033	0.0178
"RMC_1"	0.2044	0.0564	0.0713	0.1580	0.0068
RMC_2	0.2711	0.0778	0.0955	0.4073	0.0462
RMC_3	0.2125	0.0637	0.0836	0.2141	0.0176
RMC_4	0.2262	0.0561	0.0689	0.1712	0.0068
RMC_5	0.2817	0.0703	0.0917	0.2674	0.0507
main	0.0253	0.0097	0.0087	0.0347	0.0001
semantic	0.0313	0.0093	0.0088	0.0374	0.0002
prompted	0.0368	0.0132	0.0132	0.0333	0.0004
pancras_naive	0.5959	0.1592	0.2115	0.6402	0.4444
pancras_crag	0.6584	0.1249	0.1832	0.4401	0.2848
Organization name	0.2516	0.0556	0.0700	0.2857	0.0062
bioinfo-0	-	-	-	-	-
bioinfo-1	-	-	-	-	-
bioinfo-2	-	-	-	-	-
bioinfo-3	-	-	-	-	-
bioinfo-4	-	-	-	-	-
IR1	0.5211	0.1322	0.1810	0.5234	0.2101
health-nlp-2	0.3027	0.0708	0.1027	0.2457	0.0187
DS@GT-BioASQ	0.1300	0.0268	0.0381	0.0822	0.0003
IR_J-1	0.2084	0.1016	0.1084	0.1741	0.0057
IR_J-2	0.3479	0.0656	0.0964	0.1720	0.0120
dmiip2024	0.5001	0.1497	0.1861	0.5406	0.3011
dmiip2024_1	0.4958	0.1472	0.1846	0.5312	0.3504
dmiip2024_3	0.4854	0.1476	0.1818	0.5425	0.2562
dmiip2024_4	0.5107	0.1516	0.1858	0.5664	0.3020
dmiip2024_2	0.5066	0.1527	0.1882	0.5587	0.3054
mckpt1	0.1689	0.0528	0.0730	0.0738	0.0037
mckpt2	0.2144	0.0569	0.0764	0.0859	0.0054
MedQA-3	0.5630	0.1618	0.2101	0.5079	0.2820
MedQA-4	0.5211	0.1957	0.2287	0.4837	0.2892
MedQA-5	0.5311	0.2065	0.2402	0.4922	0.2991
Fleming-3	0.5952	0.1694	0.2266	0.5746	0.4567
UR-IW-3	0.5298	0.1392	0.1914	0.5281	0.2019
WHU-ECHO Lab-2	-	-	-	-	-
UR-IW-4	0.5216	0.1310	0.1832	0.4916	0.2101
UR-IW-1	0.5294	0.1338	0.1895	0.5109	0.2442
UR-IW-5	0.5003	0.1099	0.1607	0.4941	0.0817
Fleming-5	0.5944	0.1693	0.2265	0.5727	0.4574
UR-IW-2	0.5102	0.1138	0.1669	0.4492	0.1739
IR_Y-1	0.2084	0.1016	0.1084	0.1741	0.0057
IR_Y-2	0.1912	0.0997	0.1028	0.1535	0.0049
Biomedical QA s3	0.5291	0.1119	0.1623	0.5355	0.1703
ubuntu	-	-	-	-	-
qwen	0.0100	0.0001	0.0002	0.0010	0.0000
config-1	0.3236	0.1178	0.1472	0.2521	0.0355

Concepts

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	-	-	-	-	-
lean_rag	-	-	-	-	-
lean_rag_dprf	-	-	-	-	-
lean_rag_ft	-	-	-	-	-
lean_rag_ft_sparse	-	-	-	-	-
Splade-v3	-	-	-	-	-
Debertav3	-	-	-	-	-
Fully fine-tuned	-	-	-	-	-
Recently fine-tuned	-	-	-	-	-
Biomedical QA system	-	-	-	-	-
bm25 + splade	-	-	-	-	-
dictycite-baseline	-	-	-	-	-
dictycite-max	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
Fleming-1	-	-	-	-	-
Biomedical QA s. v2	-	-	-	-	-
Fleming-2	-	-	-	-	-
MedQA-1	-	-	-	-	-
health-nlp-1	-	-	-	-	-
Hybrid Retrieval	-	-	-	-	-
MedQA-2	-	-	-	-	-
"RMC_1"	-	-	-	-	-
RMC_2	-	-	-	-	-
RMC_3	-	-	-	-	-
RMC_4	-	-	-	-	-
RMC_5	-	-	-	-	-
main	-	-	-	-	-
semantic	-	-	-	-	-
prompted	-	-	-	-	-
pancras_naive	-	-	-	-	-
pancras_crag	-	-	-	-	-
Organization name	-	-	-	-	-
bioinfo-0	-	-	-	-	-
bioinfo-1	-	-	-	-	-
bioinfo-2	-	-	-	-	-
bioinfo-3	-	-	-	-	-
bioinfo-4	-	-	-	-	-
IR1	-	-	-	-	-
health-nlp-2	-	-	-	-	-
DS@GT-BioASQ	-	-	-	-	-
IR_J-1	-	-	-	-	-
IR_J-2	-	-	-	-	-
dmiip2024	-	-	-	-	-
dmiip2024_1	-	-	-	-	-
dmiip2024_3	-	-	-	-	-
dmiip2024_4	-	-	-	-	-
dmiip2024_2	-	-	-	-	-
mckpt1	-	-	-	-	-
mckpt2	-	-	-	-	-
MedQA-3	-	-	-	-	-
MedQA-4	-	-	-	-	-
MedQA-5	-	-	-	-	-
Fleming-3	-	-	-	-	-
UR-IW-3	-	-	-	-	-
WHU-ECHO Lab-2	-	-	-	-	-
UR-IW-4	-	-	-	-	-
UR-IW-1	-	-	-	-	-
UR-IW-5	-	-	-	-	-
Fleming-5	-	-	-	-	-
UR-IW-2	-	-	-	-	-
IR_Y-1	-	-	-	-	-
IR_Y-2	-	-	-	-	-
Biomedical QA s3	-	-	-	-	-
ubuntu	-	-	-	-	-
qwen	-	-	-	-	-
config-1	-	-	-	-	-

RDF Triples

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	-	-	-	-	-
lean_rag	-	-	-	-	-
lean_rag_dprf	-	-	-	-	-
lean_rag_ft	-	-	-	-	-
lean_rag_ft_sparse	-	-	-	-	-
Splade-v3	-	-	-	-	-
Debertav3	-	-	-	-	-
Fully fine-tuned	-	-	-	-	-
Recently fine-tuned	-	-	-	-	-
Biomedical QA system	-	-	-	-	-
bm25 + splade	-	-	-	-	-
dictycite-baseline	-	-	-	-	-
dictycite-max	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
Fleming-1	-	-	-	-	-
Biomedical QA s. v2	-	-	-	-	-
Fleming-2	-	-	-	-	-
MedQA-1	-	-	-	-	-
health-nlp-1	-	-	-	-	-
Hybrid Retrieval	-	-	-	-	-
MedQA-2	-	-	-	-	-
"RMC_1"	-	-	-	-	-
RMC_2	-	-	-	-	-
RMC_3	-	-	-	-	-
RMC_4	-	-	-	-	-
RMC_5	-	-	-	-	-
main	-	-	-	-	-
semantic	-	-	-	-	-
prompted	-	-	-	-	-
pancras_naive	-	-	-	-	-
pancras_crag	-	-	-	-	-
Organization name	-	-	-	-	-
bioinfo-0	-	-	-	-	-
bioinfo-1	-	-	-	-	-
bioinfo-2	-	-	-	-	-
bioinfo-3	-	-	-	-	-
bioinfo-4	-	-	-	-	-
IR1	-	-	-	-	-
health-nlp-2	-	-	-	-	-
DS@GT-BioASQ	-	-	-	-	-
IR_J-1	-	-	-	-	-
IR_J-2	-	-	-	-	-
dmiip2024	-	-	-	-	-
dmiip2024_1	-	-	-	-	-
dmiip2024_3	-	-	-	-	-
dmiip2024_4	-	-	-	-	-
dmiip2024_2	-	-	-	-	-
mckpt1	-	-	-	-	-
mckpt2	-	-	-	-	-
MedQA-3	-	-	-	-	-
MedQA-4	-	-	-	-	-
MedQA-5	-	-	-	-	-
Fleming-3	-	-	-	-	-
UR-IW-3	-	-	-	-	-
WHU-ECHO Lab-2	-	-	-	-	-
UR-IW-4	-	-	-	-	-
UR-IW-1	-	-	-	-	-
UR-IW-5	-	-	-	-	-
Fleming-5	-	-	-	-	-
UR-IW-2	-	-	-	-	-
IR_Y-1	-	-	-	-	-
IR_Y-2	-	-	-	-	-
Biomedical QA s3	-	-	-	-	-
ubuntu	-	-	-	-	-
qwen	-	-	-	-	-
config-1	-	-	-	-	-

Test batch 3

Documents

System	Mean precision	Recall	F-Measure	MAP	GMAP
lean_rag_ft_sparse	0.3983	0.2065	0.1987	0.3880	0.0612
lean_rag_ft	0.4034	0.2003	0.1990	0.3933	0.0626
lean_rag_dprf	0.3847	0.1976	0.1935	0.3656	0.0789
lean_rag_ensemble	0.4322	0.2247	0.2098	0.4231	0.1069
lean_rag	0.4119	0.2020	0.2018	0.3996	0.0715
aida_2025_2	0.4143	0.2345	0.2131	0.3997	0.1098
IR1	0.4712	0.2583	0.2362	0.4611	0.1583
IR5	0.5288	0.2717	0.2594	0.5282	0.1815
Fleming-1	0.5627	0.2623	0.2647	0.5562	0.2056
Fleming-2	0.5864	0.2975	0.2822	0.5827	0.2937
"RMC_1"	0.3399	0.1293	0.1479	0.2470	0.0284
RMC_2	0.5339	0.0661	0.0977	0.1437	0.0102
RMC_3	0.3342	0.1296	0.1485	0.2482	0.0286
RMC_4	0.3540	0.1599	0.1585	0.3089	0.0587
RMC_5	0.3603	0.1790	0.1653	0.3313	0.0746
Fleming-3	0.5339	0.2571	0.2504	0.5292	0.2493
IR_J-1	0.3563	0.1076	0.1371	0.2552	0.0126
IR_J-2	0.2853	0.0632	0.0812	0.1305	0.0009
pancras_naive	0.6142	0.2407	0.2607	0.4828	0.1996
pancras_crag	0.6535	0.1906	0.2198	0.3854	0.1188
Organization name	0.2055	0.0811	0.0840	0.1170	0.0030
multi-stage rank&llm	0.5610	0.2960	0.2676	0.5351	0.3082
health-nlp-1	0.3111	0.1723	0.1573	0.2322	0.0425
dmiip2024	0.4983	0.2455	0.2410	0.4523	0.1621
dmiip2024_2	0.5068	0.2569	0.2473	0.4643	0.1675
dmiip2024_1	0.5136	0.2578	0.2493	0.4665	0.1688
dmiip2024_3	0.4847	0.2423	0.2372	0.4320	0.1482
dmiip2024_4	0.4729	0.2248	0.2321	0.4222	0.1206
BioNeuralSystem1	0.3365	0.1991	0.1699	0.3292	0.0561
DS@GT-BioASQ	0.1475	0.0838	0.0702	0.1397	0.0012
BioXR-GTE	0.4603	0.2591	0.2368	0.4352	0.1558
IR_Y-1	0.1847	0.0952	0.0888	0.1416	0.0049
IR_Y-2	0.1576	0.0934	0.0803	0.1404	0.0019
dictycite-baseline	0.5254	0.2866	0.2650	0.5146	0.1890
dictycite-snippet	0.5271	0.2768	0.2607	0.5404	0.2029
dictycite-max	0.5661	0.3012	0.2840	0.5499	0.2252
dictycite-max-rew-si	0.5237	0.2981	0.2640	0.5285	0.2310
dictycite-max-rew-sl	0.5390	0.3202	0.2799	0.5373	0.3042
UR-IW-5	0.5480	0.2672	0.2591	0.5191	0.1987
UR-IW-3	0.4944	0.2069	0.2186	0.4503	0.1035
UR-IW-4	0.5567	0.2502	0.2581	0.5463	0.1612
UR-IW-2	0.4670	0.1907	0.1958	0.4241	0.0567
UR-IW-1	0.5165	0.2175	0.2273	0.4583	0.1133
BioXR-BGE	0.4539	0.2521	0.2326	0.4493	0.1501
bioinfo-0	0.4203	0.2201	0.2060	0.4139	0.1395
bioinfo-1	0.4475	0.2333	0.2172	0.4162	0.1537
bioinfo-2	0.4339	0.2274	0.2125	0.3818	0.1161
bioinfo-3	0.3305	0.1802	0.1691	0.2903	0.0484
bioinfo-4	0.3000	0.1664	0.1546	0.2607	0.0314
Splade-v3	0.3576	0.1893	0.1787	0.3081	0.0593
Debertav3	0.4576	0.2198	0.2166	0.4319	0.1406
Fully fine-tuned	0.4000	0.2071	0.1954	0.3734	0.1199
Recently fine-tuned	0.4424	0.2271	0.2158	0.4206	0.1377
MedQA-1	0.3791	0.1367	0.1486	0.2449	0.0334
MedQA-2	0.3623	0.1456	0.1560	0.2712	0.0454
MedQA-3	0.3791	0.1367	0.1486	0.2449	0.0334
MedQA-4	0.4243	0.1685	0.1851	0.2976	0.0622
MedQA-5	0.4243	0.1685	0.1851	0.2976	0.0622
Fleming-5	0.5610	0.2593	0.2601	0.5663	0.1898
Fleming-4	0.5424	0.2499	0.2490	0.5416	0.1813
IR2	0.5254	0.2749	0.2566	0.5332	0.2102
IR3	0.5136	0.2656	0.2515	0.5223	0.1769

Snippets

System	Mean precision	Recall	F-Measure	MAP	GMAP
lean_rag_ft_sparse	0.3141	0.1067	0.1222	0.1412	0.0117
lean_rag_ft	0.3130	0.1063	0.1211	0.1428	0.0101
lean_rag_dprf	0.2817	0.1046	0.1173	0.1289	0.0083
lean_rag_ensemble	0.3062	0.1068	0.1203	0.1305	0.0120
lean_rag	0.3220	0.1072	0.1227	0.1475	0.0116
aida_2025_2	0.2753	0.0805	0.1018	0.2529	0.0258
IR1	0.3867	0.1142	0.1450	0.3374	0.0467
IR5	0.4257	0.1392	0.1658	0.4150	0.0700
Fleming-1	0.3850	0.1493	0.1688	0.3635	0.0952
Fleming-2	0.3931	0.1689	0.1769	0.3818	0.1358
"RMC_1"	0.2212	0.0433	0.0631	0.1691	0.0048
RMC_2	0.2246	0.0507	0.0712	0.2484	0.0084
RMC_3	0.2239	0.0437	0.0638	0.1694	0.0055
RMC_4	0.2244	0.0775	0.0853	0.1998	0.0132
RMC_5	0.2286	0.0855	0.0908	0.2031	0.0179
Fleming-3	0.4183	0.1251	0.1584	0.3851	0.0980
IR_J-1	0.3480	0.0635	0.0910	0.2672	0.0110
IR_J-2	0.2067	0.0458	0.0559	0.1142	0.0006
pancras_naive	0.5148	0.1678	0.2008	0.5183	0.1665
pancras_crag	0.5548	0.1418	0.1677	0.3825	0.0720
Organization name	0.1695	0.0479	0.0545	0.1688	0.0020
multi-stage rank&llm	0.4622	0.1629	0.1770	0.4210	0.1431
health-nlp-1	0.1782	0.0363	0.0546	0.1120	0.0037
dmiip2024	0.4086	0.1296	0.1579	0.4275	0.1121
dmiip2024_2	0.4410	0.1459	0.1627	0.4705	0.0952
dmiip2024_1	0.4280	0.1317	0.1618	0.4442	0.0777
dmiip2024_3	0.4040	0.1261	0.1525	0.4182	0.0831
dmiip2024_4	0.3986	0.1220	0.1495	0.4220	0.0605
BioNeuralSystem1	-	-	-	-	-
DS@GT-BioASQ	0.1037	0.0174	0.0256	0.0882	0.0003
BioXR-GTE	-	-	-	-	-
IR_Y-1	0.1199	0.0627	0.0636	0.0788	0.0015
IR_Y-2	0.1135	0.0639	0.0604	0.0834	0.0010
dictycite-baseline	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
dictycite-max	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
UR-IW-5	0.4872	0.1578	0.1788	0.4770	0.1008
UR-IW-3	0.4834	0.1609	0.1721	0.4637	0.0975
UR-IW-4	0.5419	0.1754	0.2034	0.5482	0.1308
UR-IW-2	0.4179	0.1350	0.1455	0.4233	0.0548
UR-IW-1	0.4763	0.1413	0.1732	0.4491	0.0811
BioXR-BGE	0.0077	0.0018	0.0027	0.0053	0.0000
bioinfo-0	0.1200	0.1573	0.0987	0.1578	0.0447
bioinfo-1	0.1364	0.1640	0.1104	0.1434	0.0404
bioinfo-2	0.1191	0.1384	0.0958	0.1308	0.0262
bioinfo-3	0.1083	0.1124	0.0837	0.0963	0.0105
bioinfo-4	0.1014	0.1076	0.0799	0.0849	0.0063
Splade-v3	-	-	-	-	-
Debertav3	-	-	-	-	-
Fully fine-tuned	-	-	-	-	-
Recently fine-tuned	-	-	-	-	-
MedQA-1	0.2365	0.0532	0.0740	0.1399	0.0070
MedQA-2	0.2293	0.0525	0.0731	0.1579	0.0105
MedQA-3	0.2365	0.0532	0.0740	0.1399	0.0070
MedQA-4	0.2895	0.0824	0.1030	0.2084	0.0229
MedQA-5	0.2895	0.0824	0.1030	0.2084	0.0229
Fleming-5	0.4452	0.1289	0.1658	0.4069	0.0784
Fleming-4	0.4268	0.1214	0.1566	0.3899	0.0655
IR2	0.4726	0.1558	0.1842	0.4849	0.0846
IR3	0.4590	0.1531	0.1794	0.4745	0.0792

Concepts

System	Mean precision	Recall	F-Measure	MAP	GMAP
lean_rag_ft_sparse	-	-	-	-	-
lean_rag_ft	-	-	-	-	-
lean_rag_dprf	-	-	-	-	-
lean_rag_ensemble	-	-	-	-	-
lean_rag	-	-	-	-	-
aida_2025_2	-	-	-	-	-
IR1	-	-	-	-	-
IR5	-	-	-	-	-
Fleming-1	-	-	-	-	-
Fleming-2	-	-	-	-	-
"RMC_1"	-	-	-	-	-
RMC_2	-	-	-	-	-
RMC_3	-	-	-	-	-
RMC_4	-	-	-	-	-
RMC_5	-	-	-	-	-
Fleming-3	-	-	-	-	-
IR_J-1	-	-	-	-	-
IR_J-2	-	-	-	-	-
pancras_naive	-	-	-	-	-
pancras_crag	-	-	-	-	-
Organization name	-	-	-	-	-
multi-stage rank&llm	-	-	-	-	-
health-nlp-1	-	-	-	-	-
dmiip2024	-	-	-	-	-
dmiip2024_2	-	-	-	-	-
dmiip2024_1	-	-	-	-	-
dmiip2024_3	-	-	-	-	-
dmiip2024_4	-	-	-	-	-
BioNeuralSystem1	-	-	-	-	-
DS@GT-BioASQ	-	-	-	-	-
BioXR-GTE	-	-	-	-	-
IR_Y-1	-	-	-	-	-
IR_Y-2	-	-	-	-	-
dictycite-baseline	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
dictycite-max	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
UR-IW-5	-	-	-	-	-
UR-IW-3	-	-	-	-	-
UR-IW-4	-	-	-	-	-
UR-IW-2	-	-	-	-	-
UR-IW-1	-	-	-	-	-
BioXR-BGE	-	-	-	-	-
bioinfo-0	-	-	-	-	-
bioinfo-1	-	-	-	-	-
bioinfo-2	-	-	-	-	-
bioinfo-3	-	-	-	-	-
bioinfo-4	-	-	-	-	-
Splade-v3	-	-	-	-	-
Debertav3	-	-	-	-	-
Fully fine-tuned	-	-	-	-	-
Recently fine-tuned	-	-	-	-	-
MedQA-1	-	-	-	-	-
MedQA-2	-	-	-	-	-
MedQA-3	-	-	-	-	-
MedQA-4	-	-	-	-	-
MedQA-5	-	-	-	-	-
Fleming-5	-	-	-	-	-
Fleming-4	-	-	-	-	-
IR2	-	-	-	-	-
IR3	-	-	-	-	-

RDF Triples

System	Mean precision	Recall	F-Measure	MAP	GMAP
lean_rag_ft_sparse	-	-	-	-	-
lean_rag_ft	-	-	-	-	-
lean_rag_dprf	-	-	-	-	-
lean_rag_ensemble	-	-	-	-	-
lean_rag	-	-	-	-	-
aida_2025_2	-	-	-	-	-
IR1	-	-	-	-	-
IR5	-	-	-	-	-
Fleming-1	-	-	-	-	-
Fleming-2	-	-	-	-	-
"RMC_1"	-	-	-	-	-
RMC_2	-	-	-	-	-
RMC_3	-	-	-	-	-
RMC_4	-	-	-	-	-
RMC_5	-	-	-	-	-
Fleming-3	-	-	-	-	-
IR_J-1	-	-	-	-	-
IR_J-2	-	-	-	-	-
pancras_naive	-	-	-	-	-
pancras_crag	-	-	-	-	-
Organization name	-	-	-	-	-
multi-stage rank&llm	-	-	-	-	-
health-nlp-1	-	-	-	-	-
dmiip2024	-	-	-	-	-
dmiip2024_2	-	-	-	-	-
dmiip2024_1	-	-	-	-	-
dmiip2024_3	-	-	-	-	-
dmiip2024_4	-	-	-	-	-
BioNeuralSystem1	-	-	-	-	-
DS@GT-BioASQ	-	-	-	-	-
BioXR-GTE	-	-	-	-	-
IR_Y-1	-	-	-	-	-
IR_Y-2	-	-	-	-	-
dictycite-baseline	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
dictycite-max	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
UR-IW-5	-	-	-	-	-
UR-IW-3	-	-	-	-	-
UR-IW-4	-	-	-	-	-
UR-IW-2	-	-	-	-	-
UR-IW-1	-	-	-	-	-
BioXR-BGE	-	-	-	-	-
bioinfo-0	-	-	-	-	-
bioinfo-1	-	-	-	-	-
bioinfo-2	-	-	-	-	-
bioinfo-3	-	-	-	-	-
bioinfo-4	-	-	-	-	-
Splade-v3	-	-	-	-	-
Debertav3	-	-	-	-	-
Fully fine-tuned	-	-	-	-	-
Recently fine-tuned	-	-	-	-	-
MedQA-1	-	-	-	-	-
MedQA-2	-	-	-	-	-
MedQA-3	-	-	-	-	-
MedQA-4	-	-	-	-	-
MedQA-5	-	-	-	-	-
Fleming-5	-	-	-	-	-
Fleming-4	-	-	-	-	-
IR2	-	-	-	-	-
IR3	-	-	-	-	-

Test batch 4

Documents

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	0.4219	0.1616	0.1851	0.3578	0.1262
UR-IW-5	0.6039	0.2311	0.2815	0.5496	0.2789
UR-IW-4	0.5638	0.2130	0.2511	0.5284	0.2646
UR-IW-3	0.4843	0.1914	0.2255	0.4310	0.1648
UR-IW-2	0.5154	0.1938	0.2300	0.4140	0.2576
UR-IW-1	0.4921	0.1928	0.2358	0.4329	0.1332
SATO	0.4469	0.0687	0.0965	0.1600	0.0084
IR2	0.5533	0.2211	0.2553	0.5097	0.2261
IR3	0.5517	0.2220	0.2546	0.5113	0.2269
Fleming-1	0.5933	0.2089	0.2671	0.5274	0.2249
IR1	0.4767	0.1846	0.2144	0.4338	0.1843
Splade-v3	0.4100	0.1516	0.1812	0.3443	0.1240
Debertav3	0.5150	0.2005	0.2367	0.4504	0.1850
Fully fine-tuned	0.4483	0.1797	0.2080	0.3664	0.1836
Recently fine-tuned	0.5150	0.1997	0.2352	0.4465	0.1961
IR5	0.5200	0.1984	0.2333	0.4826	0.2038
IR4	0.5700	0.2273	0.2630	0.5177	0.2261
Fleming-2	0.5933	0.2089	0.2671	0.5274	0.2249
multi-stage rank&llm	0.5600	0.2229	0.2557	0.4799	0.2977
AJDEM	0.2027	0.0630	0.0798	0.1154	0.0095
FinalQwen	0.1517	0.0553	0.0605	0.0828	0.0019
health-nlp-1	0.3583	0.1530	0.1668	0.2620	0.0482
health-nlp-2	0.3583	0.1530	0.1668	0.2620	0.0482
"RMC_1"	0.2829	0.0980	0.1222	0.1886	0.0098
RMC_2	0.5908	0.0791	0.1154	0.1629	0.0311
RMC_3	0.3896	0.1155	0.1476	0.2298	0.0678
RMC_4	0.2831	0.0931	0.1129	0.2092	0.0066
RMC_5	0.4531	0.1202	0.1545	0.2576	0.0559
dictycite-baseline	0.5267	0.2045	0.2422	0.4615	0.2221
dictycite-snippet	0.5517	0.2145	0.2551	0.4931	0.2681
dictycite-max	0.6083	0.2408	0.2792	0.5853	0.2570
dictycite-max-rew-si	0.6050	0.2476	0.2866	0.5704	0.3611
dictycite-max-rew-sl	0.6050	0.2476	0.2866	0.5697	0.3670
Fleming-3	0.5733	0.1988	0.2556	0.5142	0.2222
Fleming-5	0.5917	0.2122	0.2691	0.5265	0.2489
BM25 baseline retrie	0.0583	0.0090	0.0150	0.0405	0.0001
BM25 + MeSH (14b-A)	0.0583	0.0090	0.0150	0.0405	0.0001
BM25 + PRF(14b-A)	0.0600	0.0082	0.0140	0.0455	0.0001
BM25 + cross-encoder	0.0683	0.0098	0.0166	0.0562	0.0001
lean_rag	0.5390	0.1856	0.2161	0.3916	0.1849
lean_rag_ft	0.5288	0.1803	0.2163	0.3920	0.1878
lean_rag_dprf	0.5343	0.1904	0.2210	0.3963	0.1832
lean_rag_ft_sparse	0.5270	0.1821	0.2116	0.3751	0.1809
lean_rag_ensemble	0.5913	0.1688	0.2012	0.3742	0.1096
BM25 + LTR	0.0500	0.0078	0.0129	0.0359	0.0001
Organization name	0.2311	0.0660	0.0822	0.1276	0.0044
multi-stage rank&ll	0.5633	0.2228	0.2565	0.4775	0.2884
dmiip2024	0.5433	0.2080	0.2423	0.4945	0.3153
dmiip2024_1	0.5433	0.2087	0.2432	0.4906	0.3277
dmiip2024_2	0.5333	0.2063	0.2395	0.4849	0.3194
dmiip2024_3	0.4917	0.1970	0.2254	0.4428	0.2323
dmiip2024_4	0.4900	0.1932	0.2209	0.4470	0.2318
bioinfo-0	0.5217	0.2182	0.2462	0.4662	0.3507
bioinfo-1	0.4650	0.1906	0.2148	0.3729	0.2613
bioinfo-2	0.5333	0.2129	0.2445	0.4626	0.3062
bioinfo-3	0.4650	0.1781	0.2091	0.4054	0.2306
bioinfo-4	0.4667	0.1783	0.2094	0.4085	0.2317
DS@GT-BioASQ	0.3563	0.0795	0.1047	0.1515	0.0215
llama for 14b b	0.2700	0.0900	0.1078	0.2211	0.0110
DSGTBioasq	0.3563	0.0795	0.1047	0.1515	0.0215
IR_J-1	0.2385	0.0552	0.0782	0.1178	0.0022
IR_J-2	0.2796	0.0412	0.0625	0.1071	0.0016
IR_Y-1	0.2050	0.0829	0.0886	0.1448	0.0069
IR_Y-2	0.1933	0.0768	0.0817	0.1357	0.0067
pancras_naive	0.6368	0.1897	0.2524	0.4694	0.2370
pancras_crag	0.6782	0.1455	0.2118	0.3317	0.2094
BioXR-GTE	0.4600	0.1951	0.2203	0.3840	0.2140
MedQA-1	0.3700	0.1221	0.1538	0.3096	0.1347
MedQA-2	0.3867	0.1291	0.1622	0.3211	0.1384
MedQA-4	0.3266	0.0982	0.1247	0.1673	0.0361
MedQA-5	0.4417	0.1668	0.1993	0.3728	0.2387
1 system	0.5815	0.1419	0.1929	0.3140	0.1524
2 system	0.5771	0.2084	0.2590	0.5126	0.2924
3 system	0.5679	0.2050	0.2559	0.5115	0.2898
4 system	0.5065	0.2015	0.2329	0.3992	0.1785
5 system	0.5456	0.2039	0.2445	0.4947	0.3115

Snippets

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	0.3056	0.0540	0.0783	0.2579	0.0131
UR-IW-5	0.5469	0.1317	0.1847	0.5287	0.2524
UR-IW-4	0.5079	0.1424	0.1783	0.5056	0.2107
UR-IW-3	0.4508	0.1171	0.1519	0.4248	0.1322
UR-IW-2	0.4987	0.1169	0.1648	0.4353	0.2252
UR-IW-1	0.4681	0.1226	0.1675	0.4377	0.1267
SATO	0.2511	0.1130	0.1212	0.0911	0.0039
IR2	0.5217	0.1144	0.1608	0.4894	0.1921
IR3	0.5122	0.1141	0.1582	0.4792	0.2136
Fleming-1	0.4688	0.1135	0.1650	0.4240	0.1263
IR1	0.4074	0.0926	0.1313	0.3586	0.0954
Splade-v3	-	-	-	-	-
Debertav3	-	-	-	-	-
Fully fine-tuned	-	-	-	-	-
Recently fine-tuned	-	-	-	-	-
IR5	0.4490	0.0991	0.1401	0.4189	0.1167
IR4	0.4626	0.1006	0.1454	0.4384	0.1280
Fleming-2	0.3846	0.1131	0.1532	0.3819	0.1506
multi-stage rank&llm	0.4985	0.1369	0.1719	0.4199	0.2430
AJDEM	0.0087	0.0017	0.0026	0.0051	0.0000
FinalQwen	0.1218	0.0198	0.0259	0.1112	0.0005
health-nlp-1	0.2634	0.0523	0.0761	0.1847	0.0089
health-nlp-2	0.2634	0.0523	0.0761	0.1847	0.0089
"RMC_1"	0.1819	0.0414	0.0488	0.1019	0.0035
RMC_2	0.2652	0.0615	0.0844	0.2762	0.0199
RMC_3	0.2281	0.0567	0.0711	0.1959	0.0226
RMC_4	0.1502	0.0210	0.0342	0.1113	0.0015
RMC_5	0.2471	0.0473	0.0682	0.2048	0.0168
dictycite-baseline	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
dictycite-max	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
Fleming-3	0.4662	0.1124	0.1640	0.4155	0.1115
Fleming-5	0.4725	0.1126	0.1624	0.4265	0.1582
BM25 baseline retrie	0.0096	0.0015	0.0025	0.0109	0.0000
BM25 + MeSH (14b-A)	0.0096	0.0015	0.0025	0.0109	0.0000
BM25 + PRF(14b-A)	0.0142	0.0019	0.0033	0.0084	0.0000
BM25 + cross-encoder	0.0162	0.0017	0.0030	0.0171	0.0000
lean_rag	0.3923	0.1003	0.1304	0.1701	0.0523
lean_rag_ft	0.4067	0.1045	0.1381	0.1723	0.0513
lean_rag_dprf	0.4097	0.1039	0.1373	0.1697	0.0422
lean_rag_ft_sparse	0.3934	0.1024	0.1338	0.1625	0.0478
lean_rag_ensemble	0.3962	0.1028	0.1355	0.1734	0.0703
BM25 + LTR	0.0092	0.0013	0.0022	0.0093	0.0000
Organization name	0.2215	0.0451	0.0637	0.2182	0.0048
multi-stage rank&ll	0.5031	0.1367	0.1719	0.4163	0.2128
dmiip2024	0.4306	0.1273	0.1544	0.4419	0.1656
dmiip2024_1	0.4288	0.1310	0.1573	0.4334	0.2202
dmiip2024_2	0.4463	0.1314	0.1608	0.4578	0.2776
dmiip2024_3	0.4131	0.1280	0.1526	0.4047	0.1428
dmiip2024_4	0.4326	0.1251	0.1516	0.4259	0.1490
bioinfo-0	0.3040	0.1113	0.1231	0.2408	0.0949
bioinfo-1	0.2744	0.0842	0.1054	0.1888	0.0618
bioinfo-2	0.3440	0.1125	0.1388	0.2549	0.1341
bioinfo-3	0.2709	0.0807	0.1009	0.2220	0.0798
bioinfo-4	0.3011	0.0968	0.1132	0.2417	0.0548
DS@GT-BioASQ	0.2187	0.0203	0.0343	0.1166	0.0019
llama for 14b b	0.1812	0.0357	0.0515	0.1433	0.0048
DSGTBioasq	0.2187	0.0203	0.0343	0.1166	0.0019
IR_J-1	0.2103	0.0373	0.0536	0.1221	0.0022
IR_J-2	0.2110	0.0289	0.0424	0.1030	0.0011
IR_Y-1	0.1095	0.0517	0.0550	0.0651	0.0022
IR_Y-2	0.0942	0.0495	0.0497	0.0576	0.0015
pancras_naive	0.5345	0.1268	0.1758	0.5135	0.2391
pancras_crag	0.5784	0.0935	0.1465	0.3487	0.2100
BioXR-GTE	0.0071	0.0023	0.0031	0.0028	0.0000
MedQA-1	0.2774	0.0490	0.0766	0.1837	0.0329
MedQA-2	0.2540	0.0492	0.0730	0.1891	0.0329
MedQA-4	0.2171	0.0457	0.0632	0.1493	0.0167
MedQA-5	0.3268	0.0714	0.1011	0.2602	0.1037
1 system	0.3852	0.1111	0.1415	0.3159	0.1142
2 system	0.4751	0.1634	0.2100	0.4564	0.2493
3 system	0.4671	0.1639	0.2101	0.4408	0.2242
4 system	0.3767	0.1555	0.1802	0.2647	0.0889
5 system	0.4452	0.1831	0.2155	0.4145	0.2415

Concepts

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	-	-	-	-	-
UR-IW-5	-	-	-	-	-
UR-IW-4	-	-	-	-	-
UR-IW-3	-	-	-	-	-
UR-IW-2	-	-	-	-	-
UR-IW-1	-	-	-	-	-
SATO	-	-	-	-	-
IR2	-	-	-	-	-
IR3	-	-	-	-	-
Fleming-1	-	-	-	-	-
IR1	-	-	-	-	-
Splade-v3	-	-	-	-	-
Debertav3	-	-	-	-	-
Fully fine-tuned	-	-	-	-	-
Recently fine-tuned	-	-	-	-	-
IR5	-	-	-	-	-
IR4	-	-	-	-	-
Fleming-2	-	-	-	-	-
multi-stage rank&llm	-	-	-	-	-
AJDEM	-	-	-	-	-
FinalQwen	-	-	-	-	-
health-nlp-1	-	-	-	-	-
health-nlp-2	-	-	-	-	-
"RMC_1"	-	-	-	-	-
RMC_2	-	-	-	-	-
RMC_3	-	-	-	-	-
RMC_4	-	-	-	-	-
RMC_5	-	-	-	-	-
dictycite-baseline	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
dictycite-max	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
Fleming-3	-	-	-	-	-
Fleming-5	-	-	-	-	-
BM25 baseline retrie	-	-	-	-	-
BM25 + MeSH (14b-A)	-	-	-	-	-
BM25 + PRF(14b-A)	-	-	-	-	-
BM25 + cross-encoder	-	-	-	-	-
lean_rag	-	-	-	-	-
lean_rag_ft	-	-	-	-	-
lean_rag_dprf	-	-	-	-	-
lean_rag_ft_sparse	-	-	-	-	-
lean_rag_ensemble	-	-	-	-	-
BM25 + LTR	-	-	-	-	-
Organization name	-	-	-	-	-
multi-stage rank&ll	-	-	-	-	-
dmiip2024	-	-	-	-	-
dmiip2024_1	-	-	-	-	-
dmiip2024_2	-	-	-	-	-
dmiip2024_3	-	-	-	-	-
dmiip2024_4	-	-	-	-	-
bioinfo-0	-	-	-	-	-
bioinfo-1	-	-	-	-	-
bioinfo-2	-	-	-	-	-
bioinfo-3	-	-	-	-	-
bioinfo-4	-	-	-	-	-
DS@GT-BioASQ	-	-	-	-	-
llama for 14b b	-	-	-	-	-
DSGTBioasq	-	-	-	-	-
IR_J-1	-	-	-	-	-
IR_J-2	-	-	-	-	-
IR_Y-1	-	-	-	-	-
IR_Y-2	-	-	-	-	-
pancras_naive	-	-	-	-	-
pancras_crag	-	-	-	-	-
BioXR-GTE	-	-	-	-	-
MedQA-1	-	-	-	-	-
MedQA-2	-	-	-	-	-
MedQA-4	-	-	-	-	-
MedQA-5	-	-	-	-	-
1 system	-	-	-	-	-
2 system	-	-	-	-	-
3 system	-	-	-	-	-
4 system	-	-	-	-	-
5 system	-	-	-	-	-

RDF Triples

System	Mean precision	Recall	F-Measure	MAP	GMAP
aida_2025_2	-	-	-	-	-
UR-IW-5	-	-	-	-	-
UR-IW-4	-	-	-	-	-
UR-IW-3	-	-	-	-	-
UR-IW-2	-	-	-	-	-
UR-IW-1	-	-	-	-	-
SATO	-	-	-	-	-
IR2	-	-	-	-	-
IR3	-	-	-	-	-
Fleming-1	-	-	-	-	-
IR1	-	-	-	-	-
Splade-v3	-	-	-	-	-
Debertav3	-	-	-	-	-
Fully fine-tuned	-	-	-	-	-
Recently fine-tuned	-	-	-	-	-
IR5	-	-	-	-	-
IR4	-	-	-	-	-
Fleming-2	-	-	-	-	-
multi-stage rank&llm	-	-	-	-	-
AJDEM	-	-	-	-	-
FinalQwen	-	-	-	-	-
health-nlp-1	-	-	-	-	-
health-nlp-2	-	-	-	-	-
"RMC_1"	-	-	-	-	-
RMC_2	-	-	-	-	-
RMC_3	-	-	-	-	-
RMC_4	-	-	-	-	-
RMC_5	-	-	-	-	-
dictycite-baseline	-	-	-	-	-
dictycite-snippet	-	-	-	-	-
dictycite-max	-	-	-	-	-
dictycite-max-rew-si	-	-	-	-	-
dictycite-max-rew-sl	-	-	-	-	-
Fleming-3	-	-	-	-	-
Fleming-5	-	-	-	-	-
BM25 baseline retrie	-	-	-	-	-
BM25 + MeSH (14b-A)	-	-	-	-	-
BM25 + PRF(14b-A)	-	-	-	-	-
BM25 + cross-encoder	-	-	-	-	-
lean_rag	-	-	-	-	-
lean_rag_ft	-	-	-	-	-
lean_rag_dprf	-	-	-	-	-
lean_rag_ft_sparse	-	-	-	-	-
lean_rag_ensemble	-	-	-	-	-
BM25 + LTR	-	-	-	-	-
Organization name	-	-	-	-	-
multi-stage rank&ll	-	-	-	-	-
dmiip2024	-	-	-	-	-
dmiip2024_1	-	-	-	-	-
dmiip2024_2	-	-	-	-	-
dmiip2024_3	-	-	-	-	-
dmiip2024_4	-	-	-	-	-
bioinfo-0	-	-	-	-	-
bioinfo-1	-	-	-	-	-
bioinfo-2	-	-	-	-	-
bioinfo-3	-	-	-	-	-
bioinfo-4	-	-	-	-	-
DS@GT-BioASQ	-	-	-	-	-
llama for 14b b	-	-	-	-	-
DSGTBioasq	-	-	-	-	-
IR_J-1	-	-	-	-	-
IR_J-2	-	-	-	-	-
IR_Y-1	-	-	-	-	-
IR_Y-2	-	-	-	-	-
pancras_naive	-	-	-	-	-
pancras_crag	-	-	-	-	-
BioXR-GTE	-	-	-	-	-
MedQA-1	-	-	-	-	-
MedQA-2	-	-	-	-	-
MedQA-4	-	-	-	-	-
MedQA-5	-	-	-	-	-
1 system	-	-	-	-	-
2 system	-	-	-	-	-
3 system	-	-	-	-	-
4 system	-	-	-	-	-
5 system	-	-	-	-	-